我尝试将公共TXT文件加载到熊猫中的数据框架中,以稍后以德语执行名称实体识别。原始的TXT文件具有#单词[date]的结构,其后是一个数字(句子中的位置(,一个单词和名称符合识别的名称,并且单词被选项卡分开。因此结构是:
text [21-03-1991] 1 Aufgrund O O 2 des O O # text [22-04-1993] 1 Aber O P
有任何人都知道如何将其纳入这种格式:
Aufgrund 0 0
des 0 0
Aber O P
新列中的每个#最佳情况?
我想使用
pd.read_csv(...)
文本文件示例
text [21-03-1991] 1 Aufgrund O O 2 des O O # text [22-04-1991] 1 Aber O P text [21-04-1992] 2 Aufgrund O O 3 des O O # text [22-04-1992] 1 Aber O P text [21-06-1993] 3 Aufgrund O O 5 des O O # text [22-04-1993] 1 Aber O P
import pandas as pd
# Reading tab separated text file
df = pd.read_csv("source.txt",sep='t')
df1 = df.iloc[:,[3,4,5]]
df1.columns = ['V1','V2','V3']
df2 = df.iloc[:,[7,8,9]]
df2.columns = ['V1','V2','V3']
df3 = df.iloc[:,[14,15,16]]
df3.columns = ['V1','V2','V3']
d_one = df1.append(df2, ignore_index=True)
final_df = d_one.append(df3, ignore_index=True)
print(final_df)